[发明专利]一种套牌车识别系统及方法

权利要求书

1.一种套牌车识别系统，其特征在于：包括前端图像采集装置(1)和后台图像处理装置(2)，所述前端图像采集装置(1)和后台图像处理装置(2)通过数据线相连接，前端图像采集装置(1)安装于公路收费站卡口或停车场卡口，所述前端图像采集装置(1)包括3台摄像机，分别为侧面摄像机(1-1)，顶部摄像机(1-2)和前方摄像机(1-3)，

所述侧面摄像机(1-1)，用于采集汽车侧面信息；

所述顶部摄像机(1-2)，用于采集汽车顶部信息；

所述前方摄像机(1-3)，用于采集汽车正面信息。

2.根据权利要求1所述的套牌车识别系统，其特征在于：所述侧面摄像机(1-1)安装于公路收费站卡口或停车场卡口车辆通过时的任一侧面；所述顶部摄像机(1-2)安装于公路收费站卡口或停车场卡口车辆通过时顶部的上方；所述前方摄像机(1-3)安装于公路收费站卡口或停车场卡口车辆前进方向的前方。

3.根据权利要求1所述的套牌车识别系统，其特征在于：所述汽车侧面信息包括汽车的长、高、车辆颜色和前后轮轴距，所述汽车顶部信息包括汽车的长、宽、车辆颜色和有无天窗，所述汽车的正面信息包括汽车的车牌、车牌颜色、车标和车辆颜色。

4.根据权利要求1所述的套牌车识别系统，其特征在于：所述摄像机上设置有闪光灯/频闪灯接口，并且内置SD卡存储；所述摄像机采用200万1/1.8CCD芯片，内置图片输出和高清视频双码流输出，视频压缩格式为H.264。

5.根据权利要求1所述的套牌车识别系统，其特征在于：所述后台图像处理装置(2)包括图像预处理模块、车型识别模块、车牌识别模块、图像比对模块和报警模块；

所述图像处理模块，用于采集图像的处理；

所述车型识别模块，用于识别车型；

所述车牌识别模块，用于识别车牌。

所述图像比对模块，用于识别后图像与车辆登记数据库中的数据进行对比；

所述报警单元，用于对比信息不一致时，向交通管理部门报警。

6.一种套牌车识别方法，其特征在于，包括以下步骤：

步骤一、公路收费站卡口或停车场卡口安装前端图像采集装置(1)和后台图像处理装置(2)，当汽车行驶通过时，前端图像采集装置(1)采集汽车图像数据；

步骤二、前端图像采集装置(1)将采集的图像传送至后台图像处理装置(2)，图像处理模块对图像进行去噪平滑处理；

步骤三、将处理后的图像送入图像识别模块处理，所述图像识别模块包括车型识别模块和车牌识别模块；

步骤四、将神经网络输出的汽车品牌、型号、配置结合汽车颜色、车牌信息传输到图像比对模块，与车辆登记数据库中的数据进行对比，如果信息不一致，则向交通管理部门报警，如果信息一致，则进行下一辆车辆识别；

步骤五、交通管理部门根据各个卡口发出的报警信息，可实时追踪套牌车辆，第一时间对套牌车辆进行查处。

7.根据权利要求6所述的套牌车识别方法，其特征在于：所述图像比对模块将获取的车牌信息、车型信息和车辆颜色与车辆登记数据库中的数据进行比对；所述图像处理模块对图像进行去噪平滑处理，采用中值滤波去除图像噪声。

8.根据权利要求6所述的套牌车识别方法，其特征在于：所述车型识别模块采用BP神经网络识别车辆型号，BP神经网络设有7个输入神经元和4个输出神经元；采集的前后轮轴距、车标、天窗、长、宽、高、车身颜色作为BP神经网络的输入神经元；品牌、型号、配置、颜色作为BP神经网络的输出神经元，从而构造神经网络；用训练好的神经网络对汽车具体型号进行识别，获取汽车品牌、型号、配置、颜色。

9.根据权利要求8所述的套牌车识别方法，其特征在于：所述神经网络通过以下方法训练：挑选出具有代表性的若干辆汽车的具体参数作为神经网络训练样本，训练GA-BP神经网络，激励函数采用tansigmoid；训练函数采用trainbpx，利用快速BP算法训练前向神经网络，最大训练迭代次数小于300次，网络训练允许误差小于0.03；当训练完成后，取若干辆不同的汽车作为新样本，对神经网络进行检验，如达到预计识别精度，则表示神经网络构建完成，否则重新训练。

10.根据权利要求9所述的套牌车识别方法，其特征在于：采用遗传算法优化BP神经网络的初始权值和阈值：首先用遗传算法对初始权值和阈值进行快速的全局搜索，迭代数为100，再利用BP算法在局部进行最优搜索，网络精度达到0.1，结束训练；遗传算法的染色体就是BP网络的一个连接权值或阈值，遗传算法满意解就是BP神经网络的权值和阈值的近似值。